基于EGARCH模型的交易所国债市场波动性
基于EGARCH模型的深证成分股指数波动性分析
基于EGARCH模型的深证成分股指数波动性分析作者：杜莎莎杨昌婷来源：《财讯》2019年第04期摘要：为了研究深圳股市价格的变化特征，有必要探讨是否存在对股市价格波动的非对称效应。
本文选取2009年初至2016年末深证成份股指数作为研究对象，对其日收盘价进行了实证研究，主要包括ADF单位根检验、波动性分析、ARCH-LM效应的检验等，并构建EGARCH模型。
实证结果表明，深圳股市具有显著的波动聚集性且聚集性表现出持续性，我国深圳股票市场波动存在非对称效应，表现为利空消息比利好消息对股市波动的影响更大。
这对于建立健全市场监管机制具有重要意义，对政府、投资者具有一定的启示。
关键词：深证成份股指数;波动性;非对称;EGARCH模型我国股票市场作为新兴证券市场，存在人市制度不规范、信息不对称等诸多问题，并会进一步反映在股价的波动上，深圳股票市场作为我国股市的重要一员，同样存在着许多难以避免的问题。
本文以深圳证券市场为例，通过理论与实证研究相结合的方法，研究深圳证券市场价格的波动特征。
这就是本文要研究的主要内容。
一、模型介绍为了更好地刻画收益率波动的非对称性，Nelson于1989年首次提出指数广义自回归条件异方差模型，以便更好地解决非对称性问题。
通常采用自回归移动平均模型来设定日收益率的均值方程。
ARMA（p，q）的形式为EGARCH模型是建立在ARCH模型的基础上，其通过均值方程的干扰项和干扰项的绝对值与干扰项的标准差之比来分析正负信息冲击对金融时间序列波动造成的影响，在实际应用中，我们通常使用TARCH（1，1）模T'来表示其方差力程：二、数据的处理及检验（1）数据选取及处理说明本文选取深证成份股指数的日收盘价作为研究对象，研究区间为2009年1月5日至2016年12月31日，共计1944组数据。
数据来源为同花顺。
用p t、p t-1分别代表深证成份股指数第t日、t-1日的日收盘价。
一般来说，对股票价格的研究，都会选择股票的收益率而不是收盘价格本身进行分析，故处理原始数据得到对数收益率r t，即r t=lnp t-lnp t-1。
基于GARCH模型的我国国债期货市场有效性实证研究
基于GARCH模型的我国国债期货市场有效性实证研究基于GARCH模型的我国国债期货市场有效性实证研究一、引言自2013年9月6号起，我国的国债期货市场在在关闭18年后重新开放，至今已经一年有余。
众所周知，国债期货市场具有规避利率风险、价格发现、优化资源配置的功能。
我国的国债期货市场能否发挥以上作用，我们可以通过对国债期货市场有效性的研究加以衡量。
1970年，尤金·法玛正式提出有效市场假说（EMH），并根据价格对信息反映的迅速程度将市场分为：弱式有效市场、半强式有效市场和强式有效市场。
由于我国国债期货市场恢复交易时间还很短，所以本文只采用GARCH模型对其进行弱式有效性检验。
二、样本选择目前我国的国债期货市场上只有以5年期国债为标的的三份期货合约（当季、下季、隔季合约）在交易。
但是为了保证数据的连续性，期货价格数据选择成交量最大的当季连续日收盘数据。
时间跨度为2013年9月9日至2014年10月10日共262个交易日。
为了消除时间序列中存在的异方差，对日收盘数据都取对数。
令国债期货日收盘价的对数值序列为；为期货日收盘价格的收益率序列。
三、收益率序列的描述性统计使用EViews7.0对国债期货当季连续日收益率序列进行描述性统计，可以得到序列的偏度系数为0.612736，系数大于0说明日收益率序列右偏，有右拖尾；日收益序列的峰度系数是6.904979，说明序列的凸起程度大于正态分布，日收益率序列的波动性还是很大的；JB 统计量是182.1632，大于5%显著行水平下，自由度为2的分布的临界值，因此收益率序列不符合正态分布。
五、结论在方差方程中ARCH项系数α=0.132118，GARCH项系数β=0.790787均大于0，且α+β<1符合GRCH（1，1）模型的拟合要求；再根据AIC准则和SC准则，新估计方程的AIC=-0.198279，SC=-0.143651与方程（1）中的AIC和SC相比都有所减小，所以GRCH（1，1）模型的能够更好的拟合数据。
基于GARCH模型中国股市波动性的实证分析
基于GARCH模型中国股市波动性的实证分析基于GARCH模型中国股市波动性的实证分析摘要：本文应用ARCH,GARCH,TARCH,EGARCH,GARCH-M模型对中国股市收益率进行定性及定量的分析。
考虑到我国股市变动的实际效果，提出EGARCH模型对我国股市是较好的选择。
分析股市的ARCH效应，对我国上证180指数收益率进行实证分析。
关键词：上证180指数,;GARCH模型;ARCH效应;收益率一、模型简介ARCH模型最早是由Engle于1982年提出，是最简单最基础的条件异方差模型(自回归条件异方差模型)，用来描述波动的集群性和持续性。
但是为了获取条件异方差的动态特征需要高阶的ARCH模型。
Bollerslev将ARCH模型的阶数推广到无穷，得到广义的自回归条件异方差模型，即GARCH模型。
该模型大大减少了参数估计的个数，具有良好的处理厚尾的能力。
后来的研究中先后对ARCH模型进行扩展，提出了ARCH-M,TARCH和EGARCH等模型。
现在国内的一些学者对证券市场上股票的价格及收益率进行了研究，指出与西方比较相像，其波动性呈现出明显的尖峰厚尾，异方差，波动的群集性等特征。
目前我国一些学术界的人对我国证券市场的指数进行实证研究，岳朝龙(2002)，万蔚(2007)，曾慧(2005)都对上证综合指数进行了实证研究，同样反映出我国证券市场的指数收益率呈现尖峰厚尾的特性。
但是还没有对上证180指数进行过ARCH效应的实证检验。
二、研究的目的和数据的.选取上证成份指数(SSE CONSTITUENT INDEX，简称上证180指数)是上海证券交易所中选取的股票。
以2008年1月2日为基准日。
本文选取2008年1月2日至2012年12月31日的上证180指数的收盘价进行分析，共有1119个数据(资料来源于海通大智慧)。
本文的分析均用Eviews3、1进行分析。
由于这一指数属于时间序列，容易导致不稳定性，因而用对数指数收益率。
基于GARCH族模型的股价波动性分析
基于GARCH族模型的股价波动性分析作者：陈进晋宗义郑涛来源：《价值工程》2009年第12期摘要: 运用GARCH族模型对上证综指进行建模研究,结果表明:上证股市收益率序列不服从正态分布,有“尖峰厚尾”特征;存在一定的杠杆效应,即利空消息比等量利好消息带来冲击更大;股市受外部影响时间较长,短期内难以消除。
关键词: 股价波动性;GARCH族模型;ARCH效应;杠杆效应中图分类号:O141·4;F830·91 文献标识码:A 文章编号:1006-4311(2009)12-0163-030引言大多数金融时间序列,尤其是股票收益率序列,具有非正态性、尖峰厚尾的特征,且存在波动集群性和持续性特点。
传统的经济计量模型在描述股票收益率时,通常假定收益率的方差保持不变,这样进行统计推断往往会产生较大的偏差。
针对此,Engle于1982年提出了GARCH模型(自回归条件异方差),用来描述波动的集群性和持续性。
Bollerslev又于1986年提出了GARCH 模型(广义自回归条件异方差),该模型大大简化了参数估计的个数,具有良好的处理厚尾的能力。
基于这两个模型发展起来的ARCH族模型已得到很大扩充,以GARCH(1,1)模型为代表的低阶ARCH类模型因参数少且建模效果好,在金融收益率序列的波动性研究中得到广泛应用。
刘晓、李益民(2005)[1]以深圳成指为样本,将GARCH族模型对比分析,发现GARCH(3,1)模型能够相对较好地模拟深圳成指走势。
孙邦勇、李亚琼(2007)[2]借助ARCH族模型研究沪市行业指数收益率的波动性,分析发现行业指数收益率是平稳的,但其条件方差是尖峰厚尾非正态分布且具有明显的ARCH效应,行业指数收益率具有不同程度杠杆效应。
万威、江孝感(2007)[3]利用GARCH族模型对我国沪深股市的波动性进行了研究,结果显示,EGARCH模型能够更有效地拟合股市的波动性。
赵进文、王倩(2008)[4]运用GARCH族模型对上证300指数进行间接实证建模分析,得出上海股市股价波动确实存在显著的GARCH效应和冲击持久效应,并存在较弱杠杆效应。
基于GARCH类模型的中国股票市场波动性的VaR研究
基于GARCH类模型的中国股票市场波动性的VaR研究作者：薛学学来源：《智富时代》2019年第07期【摘要】近几年我国股票市场经历了大起大落，股市的异常波动与振荡使人们提高了对市场波动性分析的重视程度，并在相关研究中发现了风险问题。
基于此，本文选取了上证指数从2009年4月1日至2016年3月31日的日收盘价为原数据样本，利用GARCH类模型进行研究分析，分析在该模型下中国股票市场的波动性情况，通过相关统计分析，了解当前股票市场面临的风险价值，从而立足于GARCH类模型做出市场VaR分析。
【关键词】GARCH类模型；中国股票市场；风险价值股票市场中存在的风险会随着股市的发展而变化，虽然国家通过多种监管方式遏制风险出现，但出于各类不确定因素的影响，各类风险充满了不可预见性特点。
因此，根据当前我国股票市场的发展现状，明确风险对股价产生的波动，本文基于GARCH类模型，利用风险价值方法衡量股票市场的风险，为各国家股市风险监管部门与金融机构提供参考依据。
1.中国股票市场波动性统计分析一般情况下，我国股票市场价格指数指的是反映价格水平和价格变化，通过对股市波动性分析，以沪市股票市场上证综合指数为案例。
选择了2009年4月1日至2016年3月31日的日收盤价为样本区间，并通过这一区间了解我国股票市场波动情况。
1.1股价总体波动规律分析通过对股票市场上证综指总体波动序列走势图进行分析，了解了股市基本波动走势。
序列图具体如图（1）所示，纵坐标为该区间内日收盘价，横坐标为上证指数，根据图（1）取二者对数。
从序列图中进行研究，发现上证综指波动带有丛聚性特点。
较大的波动情况会伴随大波动，较小的波动也会伴随小波动，这种波动带有明显的持续性特点。
图（1）沪市股票市场上证综指序列图1.2股价波动的描述性统计分析探究股票市场波动性时，首先对上证综指做基本的描述性统计分析，了解样本数据特征，针对样本数据的均值、偏度、峰度以及标准差等指标，做出统计数据计算。
基于EGARCH模型沪深300ETF波动非对称性研究
基于EGARCH模型沪深300ETF波动非对称性研究作者：莫文权郭晓可王玥齐蔡晓瑛来源：《中国市场》2016年第29期[摘要]交易所交易基金（ETF）得以在我国蓬勃发展，源于该类型基金的专业化管理和趋势投资的理念，能够解决主动管理型基金存在的管理成本问题，这很好地满足了那些希望分享指数收益，追求稳定收益的投资者。
但目前国内大多数的中小投资者对其依然没有一个清楚的认识。
所以文章以嘉实沪深300ETF为例，从基金收益率波动性入手，详细分析与论述GARCH模型、EGARCH模型及信息冲击曲线的实际运用。
旨在为有兴趣阅读本文的读者提供一个深入了解沪深300ETF的平台。
[关键词]GARCH模型；EGARCH模型；非对称性[DOI]10.13939/ki.zgsc.2016.29.0621 研究的背景和意义马科维茨的资产组合理论自问世以来一直备受理论界和实务界的关注，发展至今日，投资组合理论已被广泛地应用于证券市场的实际操作中。
也正是基于此，国际股票市场投资理念有了新的变化：重视组织者投资的方法，并且推动趋势投资和专业基金管理的发展。
所以ETF 基金应运而生，在全球范围内迅速地发展。
目前已成为全球基金业发展中的重要组成部分，这其中也包括我国。
ETF的优势满足投资者追求稳定收益的需求，符合价值投资的理念。
本文使用自回归条件异方差模型对ETF的收益率波动进行探讨研究，希望加深部分投资者对其的认知度，同时也希望能为相关从业人员提供一些有价值的参考意见。
2 沪深300ETF收益率波动非对称性实证分析2.1 建立ARMA模型本文选取2012年7月19日到2016年1月18日的嘉实沪深300ETF的每日价格序列，求算出沪深300ETF的每日收益率。
μt=pt-pt-1pt-1其中μt表示的是在t时刻该基金的收益率，pt和pt-1分别表示的是t时刻和t-1时刻基金的收盘价格。
从表1可得，收益率的期望值大于零，偏度小于零，峰度大于3，说明分布向左偏且呈现尖峰的状态。
基于egarch模型的交易所国债市场波动性分析
基于ＥＧＡＲＣＨ模型的交易所国债市场波动性分析一、问题的提出国债市场是经济运行中一个不可或缺的重要组成部分联结货币政策和财政政策沟通货币市场和资本市场目前我国国债市场结构分割银行间债券市场与交易所债券市场构成国债市场的主体框架银行间市场参与机构较少形成寡头垄断；交易所市场参与者众多形成竞争机制在交易所市场中通过买卖双方的竞争机制决定价格其交易过程透明形成的交易价格公正、公平1波动性(Volatility)是资产收益的不确定性的衡量测度资产的风险一般而言波动性越大风险越大Engle(1982)首先提出的自回归条件异方差模型 即ARCH模型将方差和条件方差区分开来并让条件方差作为过去误差的函数而变化从而为解决异方差问题提供了新的途径Bollerslev(1986)提出了广义自回归条件异方差GARCH 模型国外学者将这种方法应用到经济的诸多领域显示了ARCH模型族的适用性国内也有学者应用ARCH模型族对证券市场进行了实证研究黄后川、陈浪南(2003)对股票市场波动率评估和分析2王燕辉、王凯涛(2004)应用EGARCH分析了深圳股市的波动性3国债安全性并非浑然天成“327”国债风波仍然让人记忆犹新国债回购风险拖累了诸多证券公司和上市公司目前国债市场的供求失衡导致国债价格变异和利率的进一步失真从而会引发国债市场的系统性风险交易所国债的波动无论对于国家还是对机构投资者包括个人投资者都是一个值得关注的重要问题二、指标选择与数据分析(一)指标选择上海证券交易所的国债交易量占整个交易所市场的99%2006年3月上海证券交易所拥有国债现货43只国债质押式回购9只上证国债指数(LEB)是上证指数系列的第一只债券指数它使我国证券市场股票、债券、基金“三位一体”的指数体系基本形成上证国债指数是以上海证券交易所上市的所有固定利率国债为样本 按照国债发行量加权而成每月最后一个交易日将剩余期限不到一年的国债剔除自2003年1月2日起对外发布基日为2002年12月31日 基点为100点 代码为000012上证国债指数的目的是反映我国债券市场整体变动状况 是我国债券市场价格变动的“指示器”上证国债指数既为投资者提供了精确的投资尺度又为金融产品创新夯实了基础基于上面的分析本文选择上证国债指数为指标来对交易所国债市场的波动进行度量(二)数据分析上证国债指数的动态公布是从2003年2月24开始数据的时间区间是从2003年2月24日到2005年12月30日共696个数据国债指数收益率(DLEB)是通过式(1)得到的DLEB=InPt-InPt-1(1)上证国债指数历史走势如图1所示波谷是2004年4月30日99.1波峰是2005年12月10日109.73国债收益率的图形如图2所示可以看出在一定范围内存在剧烈波动数据来自大智慧软件运用Eviews分析处理图1国债指数历史走势图2国债指数收益率三、实证分析(一)平稳性检验采用ADF(DickeyandFuller1981)和PP(PhillipsandPerron1988)法进行单位根检验对上证国债指数和收益率序列进行检验发现国债指数序列(LEB)不是平稳序列而收益率序列(DLEB)则是平稳性序列(见表1)表1单位根检验(二)正态性检验国债收益的时间序列的特征是方差不仅随时间变化而且有时变化得很激烈对其进行正态性检验偏度是-1.80031峰度是17.5419偏离正态分布的水平按时间观察表现出“波动集群”(volatilityclustering)特征即方差在一定时段中比较小而在另一时段中比较大从取值的分布看表现的则是尖峰厚尾(leptokurtosisandfat-tail)特征即均值附近与尾区的概率值比正态分布大而其余区域的概率比正态分布小(三)ARCH效应检验对残差εt是否存在ARCH或GARCH效应进行检验通常采用Engle(1982)提出的拉格朗日乘子检验法(LagrangeMultipliertest)简称LM检验一般是对εt2进行AR(q)自回归估计得到拟合优度R2然后利用结论在不存在ARCH或GARCH的原假设下统计量TR2服从于自由度为q的x2分布在选定的显著性水平下当TR2值大于x2分布的临界值时则拒绝εt不存在ARCH或GARCH的原假设即认为存在ARCH 或GARCH效应经过拟合滞后1阶和滞后3阶构成的自回归时间序列比较显著DLEBt=β1DLEBt-1+β2DLEBt-3+εt(2)(四)EGARCH模型若一个平稳随机变量可以表示为AR(p)形式其随机误差项的方差可用误差项平方的q阶分布滞后模型描述则称为ARCH模型为避免ARCH模型的滞后项过多可采用加入st2的滞后项的方法这就形成GARCH模型即广义自回归条件异方差模型EGARCH模型即指数(Exponential)模型由Nelson在1991年提出的其目的是为了刻画条件方差对市场中正、负干扰的反应的非对称性4模型中条件方差采用了自然对数形式意味着杠杆效应是指数型的此时条件方差ht为延迟扰动项εt-i的反对称函数ARCH项与GARCH和ARCH相比这种模型的优点在于可以区别正信息和负信息的不同影响正信息表示“利好”负信息表示“利坏”虽然正信息和负信息的绝对值相同但EGARCH 模型可以区别正、负信息对波动的不同影响因此EGARCH模型可以很好的描述了金融市场中的非对称性此外由于方差被表示成指数形式因而对模型中的参数没有任何约束这是EGARCH 模型的一大优点因为等式右侧是st2的对数所以无论等式右侧是正是负作为其反对数st2总是正的上式右侧第2项是用条件标准差st除信息ut及其滞后项(ut/st)表示标准信息第3项是用均值u减标准信息的绝对值经过分析EGARCH(11)是拟合的较好的模型即对式(2)和式(4)进行回归分析结果如表2所示利坏的影响强于利好信息的影响四、结论与建议经过实证分析交易所国债指数序列不是平稳序列而收益率序列则是平稳性序列分布呈现尖峰厚尾特征收益率在一定的范围内存在波动性值得说明的是经拟合所得的EGARCH 模型显示利坏信息的影响要远远大于利好信息的影响交易所国债市场的波动性原因可归结为三点首先是国债自身的波动性交易所国债并非一劳永逸的其风险依然存在；其次是国债市场的分割Granger因果关系检验发现银行间国债市场与交易所国债市场价格传递微观结构中传染机制起到举足轻重的作用；最后是投资者行为投资者厌恶损失非理性行为造成羊群效应等非理性现象增加了交易所国债市场的波动性2006年交易所国债市场一路飙开但交易量大幅萎缩股市与债市的跷跷板效应日趋明显勿庸置疑国债不仅为国民经济发展提供了大量建设资金也在一定程度上满足了社会各类投资者投资国债的需要不断扩大的国债发行规模为市场提供了更多的流动性有利于活跃和稳定金融市场保证财政政策和货币政策的有效实施国债关系国计民生财政部和人民银行等相关部门应实时监控、审时度势加强国债市场基础设施建设加强两大市场的联系机制采用公开市场等手段把国债的波动控制在“黄金输送点”的安全范围内国债是机构投资者资产组合的必然选择机构投资者应在团队研究凸性与久期等基础上采取科学的投资策略国债是个人投资者特别是风险厌恶者相对理想的投资工具切勿盲目跟庄以免遭遇巨大的风险国债价格是社会资金供求的反映国债收益率是基准利率的代表我国国债市场的改革发展依然迫切参考文献1唐旭.中国国债市场金融功能分析J.新金融2005(4).2黄后川陈浪南.中国股票市场波动率得到评估及特性分析J.经济研究2003(2).3王燕辉王凯涛.股票交易量对收益率波动性的影响——对深市各股的实证分析J.金融研究2004(12).4王佳妮、李文浩.GARCH模型能否提供好的波动率预测J.数量经济技术经济研究2005(6).。
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告一、研究背景和意义股市波动性及联动性作为风险管理的重要研究领域，一直备受关注。
在全球化的背景下，股市波动性和联动性越来越受到国内外研究者的关注，而GARCH族模型具有广泛的应用价值，可用于量化分析金融市场中的波动性并进行风险管理。
因此，对于我国股市的波动性及联动性进行实证研究，对于有效预测市场风险、提高资产的配置效率等具有重要的实际意义。
二、研究内容和方法本研究将选取我国股市中的代表性指数作为研究对象，采用GARCH 族模型，对股市中存在的波动性和联动性进行深入研究。
具体来讲，研究将从以下几个方面展开：1. 对我国股市中代表性指数的波动性进行测算，并探究其波动性的特点和趋势变化。
2. 基于GARCH族模型，对我国股市中不同指数的波动性进行建模，探究其模型参数的变化规律。
3. 将建立的模型应用于风险管理领域，探究其对于风险的预测和分析的能力；4. 基于GARCH族模型，分析我国股市中不同指数之间的联动性，探究其联动关系及波动性的传染效应。
三、研究预期成果通过本研究，预期可以得到以下成果:1. 揭示我国股市中存在的波动性和联动性特点和趋势变化，并探究其背后的原因和机制。
2. 建立GARCH族模型，并对我国股市中不同指数的波动性进行模型拟合，对风险进行预测和分析，为风险管理提供一定的支持和帮助。
3. 基于GARCH族模型，探究我国股市中不同指数之间的联动关系，为投资者提供合理的资产配置建议。
四、研究的实施计划本研究从2022年2月开始，预计在2023年底完成。
具体的实施计划如下:1. 第一年：调研前沿文献，整理参考资料，初步构建研究框架，并制定实验方案和数据采集计划，进行资料的搜集和整理，学习量化分析理论和工具。
2. 第二年：对股市中代表性指数的波动性进行实证研究，开展波动性的特征分析与测算，并对GARCH族模型进行建模。
3. 第三年：对股市中不同指数的波动性进行建模，并对风险进行预测和分析，探究其对于风险管理的作用，并对联动关系进行研究和分析，撰写论文，完成毕业论文。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于EGARCH模型的交易所国债市场波动性
一、问题的提出
国债市场是经济运行中一个不可或缺的重要组成部分，联结货币
政策和财政政策，沟通货币市场和资本市场。
目前，我国国债市场结构分割，银行间债券市场与交易所债券市场构成国债市场的主体框架，银行间市场参与机构较少，形成寡头垄断;交易所市场参与者众多，
形成竞争机制。
在交易所市场中，通过买卖双方的竞争机制决定价格，其交易过程透明，形成的交易价格公正、公平。
[1]
波动性(Volatility)是资产收益的不确定性的衡量，测度资产的
风险。
一般而言，波动性越大，风险越大。
Engle(1982)首先提出的
自回归条件异方差模型?即ARCH模型将方差和条件方差区分开来，并让条件方差作为过去误差的函数而变化，从而为解决异方差问题提供了新的途径。
Bollerslev(1986)提出了广义自回归条件异方差GARCH 模型。
国外学者将这种方法应用到经济的诸多领域，显示了ARCH模
型族的适用性。
国内也有学者应用ARCH模型族对证券市场进行了实
证研究，黄后川、陈浪南(xx)对股票市场波动率评估和分析，[2]王
燕辉、王凯涛(xx)应用EGARCH分析了深圳股市的波动性。
[3]国债安全性并非浑然天成，“327”国债风波仍然让人记忆犹新，国债回购
风险拖累了诸多证券公司和上市公司，目前国债市场的供求失衡导致国债价格变异和利率的进一步失真，从而会引发国债市场的系统性风
险。
交易所国债的波动，无论对于国家，还是对机构投资者，包括个人投资者，都是一个值得关注的重要问题。
二、指标选择与数据分析
(一)指标选择
上海证券交易所的国债交易量占整个交易所市场的99%。
xx年3月，上海证券交易所拥有国债现货43只，国债质押式回购9只。
上
证国债指数(LEB)是上证指数系列的第一只债券指数，它使我国证券
市场股票、债券、基金“三位一体”的指数体系基本形成。
上证国债指数是以上海证券交易所上市的所有固定利率国债为样本?按照国债
发行量加权而成，每月最后一个交易日，将剩余期限不到一年的国债剔除。
自xx年1月2日起对外发布，基日为xx年12月31日?基点
为100点?代码为000012。
上证国债指数的目的是反映我国债券市场整体变动状况?是我国债券市场价格变动的“指示器”。
上证国债指
数既为投资者提供了精确的投资尺度，又为金融产品创新夯实了基础。
基于上面的分析，本文选择上证国债指数为指标来对交易所国债市场的波动进行度量。
(二)数据分析
上证国债指数的动态公布是从xx年2月24开始，数据的时间区间是从xx年2月24日到xx年12月30日，共696个数据。
国债指数收益率(DLEB)是通过式(1)得到的。
DLEB=InPt-InPt-1(1)
上证国债指数历史走势如图1所示，波谷是xx年4月30日99.1，波峰是xx年12月10日109.73。
国债收益率的图形如图2所示，可以看出在一定范围内存在剧烈波动。
运用Eviews分析处理。
三、实证分析
(一)平稳性检验
采用ADF(DickeyandFuller，1981)和PP(PhillipsandPerron，1988)法进行单位根检验。
对上证国债指数和收益率序列进行检验发现，国债指数序列(LEB)不是平稳序列，而收益率序列(DLEB)则是平稳性序列(见表1)。
(二)正态性检验
国债收益的时间序列的特征是方差不仅随时间变化，而且有时变
化得很激烈。
对其进行正态性检验，偏度是-1.80031，峰度是17.5419，偏离正态分布的水平。
按时间观察，表现出“波动集群”(volatilityclustering)特征，即方差在一定时段中比较小，而在另一时段中比较大。
从取值的分布看表现的则是尖峰厚尾(leptokurtosisandfat-tail)特征，即均值附近与尾区的概率值比正态分布大，而其余区域的概率比正态分布小。
(三)ARCH效应检验
对残差εt是否存在ARCH或GARCH效应进行检验，通常采用Engle(1982)提出的拉格朗日乘子检验法(LagrangeMultipliertest)，简称LM检验，一般是对εt2进行AR(q)自回归估计得到拟合优度R2。
然后利用结论：在不存在ARCH或GARCH的原假设下，统计量TR2服
从于自由度为q的x2分布，在选定的显著性水平下，当TR2值大于
x2分布的临界值时，则拒绝εt不存在ARCH或GARCH的原假设，即
认为存在ARCH或GARCH效应。
经过拟合，滞后1阶和滞后3阶构成
的自回归时间序列比较显著。
DLEBt=β1DLEBt-1+β2DLEBt-3+εt(2)
(四)EGARCH模型
若一个平稳随机变量可以表示为AR(p)形式，其随机误差项的方差可用误差项平方的q阶分布滞后模型描述，则称为ARCH模型。
为避免ARCH模型的滞后项过多，可采用加入st2的滞后项的方法，这就形成GARCH模型，即广义自回归条件异方差模型。
EGARCH模型，即指数(Exponential)模型，由Nelson在1991年提出的，其目的是为了刻画条件方差对市场中正、负干扰的反应的非对称性。
[4]模型中条件方差采用了自然对数形式，意味着杠杆效应是指数型的。
此时条件方差ht为延迟扰动项εt-i的反对称函数：
ARCH项。
与GARCH和ARCH相比，这种模型的优点在于可以区别正信息和负信息的不同影响。
正信息表示“利好”，负信息表示“利坏”。
虽然正信息和负信息的绝对值相同，但EGARCH模型可以区别正、负信息对波动的不同影响。
因此EGARCH模型可以很好的描述了金融市场中的非对称性。
此外由于方差被表示成指数形式，因而对模型中的参数没有任何约束，这是EGARCH模型的一大优点。
因为等式右侧是st2的对数，所以无论等式右侧是正是负，作为其反对数，st2总是正的。
上式右侧第2项是用条件标准差st除信息ut及其滞后项，(ut/st)表示标准信息。
第3项是用均值u减标准信息的绝对值。
经过分析，EGARCH(1，1)是拟合的较好的模型，即对式(2)和式(4)进行回归分析，结果如表2所示，利坏的影响强于利好信息的影响。
四、结论与建议
经过实证分析，交易所国债指数序列不是平稳序列，而收益率序列则是平稳性序列，分布呈现尖峰厚尾特征，收益率在一定的范围内存在波动性。
值得说明的是，经拟合所得的EGARCH模型显示利坏信息的影响要远远大于利好信息的影响。
交易所国债市场的波动性原因可归结为三点：首先是国债自身的波动性，交易所国债并非一劳永逸的，其风险依然存在;其次是国债市场的分割，Granger因果关系检验发现银行间国债市场与交易所国债市场价格传递，微观结构中传染机制起到举足轻重的作用;最后是投资者行为，投资者厌恶损失，非理 __造成羊群效应等非理性现象，增加了交易所国债市场的波动性。
xx年，交易所国债市场一路飙开，但交易量大幅萎缩，股市与债市的跷跷板效应日趋明显。
勿庸置疑，国债不仅为国民经济发展提供了大量建设资金，也在一定程度上满足了社会各类投资者投资国债的需要，不断扩大的国债发行规模，为市场提供了更多的流动性，有利于活跃和稳定金融市场，保证财政政策和货币政策的有效实施。
国债
关系国计民生，财政部和人民银行等相关部门应实时监控、审时度势，加强国债市场基础设施建设，加强两大市场的联系机制，采用公开市场等手段，把国债的波动控制在“黄金输送点”的安全范围内。
国债是机构投资者资产组合的必然选择，机构投资者应在团队研究凸性与久期等基础上，采取科学的投资策略。
国债是个人投资者，特别是风险厌恶者，相对理想的投资工具，切勿盲目跟庄，以免遭遇巨大的风险。
国债价格是社会资金供求的反映，国债收益率是基准利率的代表，我国国债市场的改革发展依然迫切。
内容仅供参考。